2026년 하반기 국내 데이터분석 직군 채용 트렌드

TL;DR

• LLM과 RAG의 일상화: ML/AI 엔지니어는 물론, 데이터 사이언티스트 공고에서도 LLM/RAG 역량 요구 빈도가 폭발적으로 늘었다.
• 분석가의 무기, A/B 테스트: 데이터 분석가 공고에서 SQL 다음으로 가장 많이 등장하는 단어는 'A/B 테스트'다.
• 비즈니스 임팩트: 단순히 데이터를 추출하는 것을 넘어, 제품의 방향성을 제시하고 비즈니스 문제를 푸는 능력을 최우선으로 본다.

직무별 채용 동향과 필요 역량

1. Data Analyst (데이터 분석가)

총 20+개의 공고를 분석한 결과, 쿼리만 짜는 사람을 원하는 회사는 없다. 프로덕트 방향성을 제시하고 임팩트를 내는 것을 가장 중요하게 본다.

• 주요 요구 스킬 빈도: A/B 테스트(20회), SQL(19회), Python(14회), Tableau(11회)
• 채용 트렌드: 당락은 '실험 경험'이 가른다. 가설을 세우고 실험해서 유의미한 인사이트를 뽑아본 경험이 포트폴리오에 반드시 들어가야 한다.
• 실제 공고 보기:
  • 토스뱅크 Data Analytics Specialist
  • SK 생산공정 데이터 분석 (O/E)
  • 쿠팡이츠 Sr~Staff Data Analyst

2. Data Scientist (데이터 사이언티스트)

분석된 11개의 DS 공고를 보면 리서치 중심의 포지션은 점점 줄어들고 있다. 비즈니스 문제를 머신러닝이나 통계로 풀고, 이를 프로덕션에 올릴 수 있는 인재를 찾는다.

• 주요 요구 스킬 빈도: LLM(17회), RAG(16회), SQL(14회), Python(12회), A/B 테스트(12회)
• 채용 트렌드: 놀랍게도 DS 공고에서 LLM과 RAG 관련 키워드가 가장 많이 등장했다. AI 모델을 활용한 실질적 문제 해결 능력을 최우선으로 본다.
• 실제 공고 보기:
  • 토스뱅크 ML Platform Team Leader
  • 쿠팡 Staff, Data Scientist (Ads)
  • 라인 Fintech Data Scientist

3. ML / AI Engineer (머신러닝 / AI 엔지니어)

데이터 직군 채용 시장에서 파이가 가장 크다(29개 공고). 대규모 트래픽 환경에서 모델을 서빙해본 엔지니어링 역량이 핵심이다.

• 주요 요구 스킬 빈도: LLM(56회), RAG(22회), Python(20회), PyTorch(10회), Kafka(7회)
• 채용 트렌드: LLM 언급 횟수가 압도적이다. 모델 파인튜닝과 RAG 시스템을 실제 프로덕션에 올려본 경험이 필수적이다.
• 실제 공고 보기:
  • 토스뱅크 ML Engineer (Service)
  • 쿠팡 Staff ML Engineer (Ads Relevance)
  • 네이버랩스 3D Vision Researcher

4. Business Analyst (비즈니스 분석가)

10개의 BA 공고 분석 결과, 기술적 깊이보다는 비즈니스 로직 이해와 데이터 시각화, 그리고 의사결정 지원에 초점이 맞춰져 있다.

• 주요 요구 스킬 빈도: SQL(22회), Tableau(12회), Python(4회)
• 채용 트렌드: SQL과 대시보드 툴(Tableau 등)을 활용해 비즈니스 지표를 관리하고 리더십의 의사결정을 돕는 능력이 핵심이다.
• 실제 공고 보기:
  • 배달의민족 Business Analyst (타임세일)
  • 쿠팡 Business Analyst
  • 토스 Business Analyst

2026년 하반기 채용 트렌드 요약

1. LLM은 '우대사항'이 아니라 '기본기'

DS와 ML Engineer 직군 상관없이 LLM, RAG, 프롬프트 엔지니어링 경험을 강력히 요구한다. 거창한 파운데이션 모델이 아니어도 좋다. API를 붙여서 실제 문제를 풀어본 경험이라도 반드시 어필해야 한다.

2. 'End-to-End' 역량 선호

분석(DA)과 모델링(DS), 그리고 엔지니어링(ML)의 경계가 옅어지고 있다. 데이터를 분석하는 것에 그치지 않고, 직접 모델을 배포하거나 파이프라인을 다룰 줄 아는 '풀스택' 성향의 인재를 선호하는 현상이 뚜렷하다.

3. 경력 중심 채용 (신입은 어떡함?)

공고 대다수가 경력을 원한다. 신입이라면 완벽한 채용 공고만 기다리기보다 오픈소스 기여, 캐글 입상, 토이 프로젝트 등으로 실무에 가장 가까운 '문제 해결형 포트폴리오'를 빨리 만들어야 한다.

그래서 뭘 준비해야 하나

1. 도구보다 문제 해결: SQL과 Python은 그냥 기본 템이다. "무슨 툴을 써봤다"보다 "그 툴로 비즈니스의 어떤 문제를 풀었다"는 스토리가 합격을 좌우한다.
2. 도메인 지식 파기: 커머스, 핀테크, O2O 등 본인이 노리는 산업군의 핵심 지표(KPI)가 뭔지 꿰뚫고, 데이터로 이걸 어떻게 개선할지 고민해봐야 한다.